OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，旨在提供一个跨平台的、易于利用的、快速实行的计算机视觉接口。如果只是简单的利用，其实不须要像笔者这样利用源代码进行构建，直接利用官方提供的二进制安装包即可。一般来说，需要从源代码进行构建的缘故原由有以下几种：
- 由于C/C++构建成果的二进制兼容问题，官方提供的安装包或者预编译包比肯定可以或许适配你的编程环境，有的环境也不太大概找到安装包，好比嵌入式、信创。
- 构建的成果不肯定是你需要的构建范例，例如构建RelWithDebInfo范例。个人认为传统的Debug和Release模式好像不能满足于目前软件测试能力退化环境了，反而RelWithDebInfo范例更实用一点。例如OpenCV的Release其实就是RelWithDebInfo，由于它同时生成了符号库文件。
- 官方提供的安装包或者预编译包不肯定有符号库，符号库对于Debug调试非常重要，它可以让我们看到代码文件，让我们知道出问题的具体地方在那里。虽然说依靠库的bug我们一般改不了，但是可以给我们一点提示让我们正确地调用依靠库，制止崩溃。
笔者构建的是OpenCV的3.4.16版本，这也是OpenCV3.X的最新版本，关键构建指令如下所示：- # 配置阶段，指定生成器、平台和安装路径
- cmake .. -G "$Generator" -A x64 `
- -DCMAKE_BUILD_TYPE=Release `
- -DCMAKE_PREFIX_PATH="$env:GISBasic" `
- -DCMAKE_INSTALL_PREFIX="$InstallDir" `
- -DBUILD_opencv_world=ON `
- -DWITH_GDAL=OFF `
- -DWITH_FFMPEG=OFF `
- -DWITH_IPP=OFF `
- -DBUILD_TESTS=OFF `
- -DBUILD_PERF_TESTS=OFF `
- -DBUILD_opencv_python_tests=OFF `
- -DBUILD_opencv_python_bindings_generator=OFF `
- -DBUILD_JAVA=OFF `
- -DBUILD_opencv_java=OFF `
- -DBUILD_opencv_java_bindings_generator=OFF `
- #-DBUILD_ZLIB=OFF `
- #-DBUILD_JPEG=OFF `
- #-DBUILD_PNG=OFF `
- #-DBUILD_TIFF=OFF `
- #-DWITH_PROTOBUF=ON `
- #-DBUILD_PROTOBUF=ON `
- #-DPROTOBUF_UPDATE_FILES=OFF `
- # 构建阶段，指定构建类型
- cmake --build . --config Release
- # 安装阶段，指定构建类型和安装目标
- cmake --build . --config Release --target install
- -DBUILD_opencv_world=ON表示将OpenCV的所有模块合并成一个名为opencv_world3416的库。
- -DWITH_GDAL=OFF、-DWITH_FFMPEG=OFF、-DWITH_IPP=OFF像GDAL、FFMPEG这样的都是非常大型的库，如果临时用不到功能的话就先不用到场构建了。
- 其他以“BUILD”开头的选项都是测试、案例、或者其他语言的绑定什么的，如果不需要也不要进行构建了。
- OpenCV其实也用到了像zlib、libpng、libjpeg、libtiff等等前面已经构建好的库，如果像BUILD_ZLIB=OFF这样设置，构建OpenCV的时间就会利用已经构建好的库，而不是从OpenCV内部提供的代码重新构建。不外问题在于OpenCV还依靠于protobuf，谷歌的库是另外一套风格，构建出来问题多多，读者就不用尝试了，还是都从OpenCV内部提供的代码重新构建的好。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
